在临床前小鼠瘤模型中分析异质反应的贝叶斯模型.
Bairu Zhang1, Lukasz Magiera2, Juliana Candido2
1Discovery Sciences, R&D, AstraZeneca, Cambridge CB2 0AA UK.
Science translational medicine
|October 30, 2024
概括
一种新的统计方法,INSPECT,准确分析小鼠异质瘤生长,分类反应以改善临床前癌症药物疗效评估. 这种方法有助于将发现转化为人类临床试验.
科学领域:
- 在瘤学瘤学.
- 生物统计学 生物统计学
- 药理学 药理学是指药理学的学科.
背景情况:
- 在小鼠模型中评估抗癌治疗的疗效对于临床试验的进展至关重要.
- 瘤体积数据分析因反应异质性和数据丢失而复杂化.
- 传统的统计方法对于异质反应缺乏稳定性.
研究的目的:
- 开发一种统计方法来分析异质的体内瘤反应.
- 创建一个可翻译的评估,与临床RECIST标准相比较.
- 提高临床前治疗疗效评估的准确性和敏感性.
主要方法:
- 使用贝叶斯模型开发了INSPECT (IN vivo reSPonsE瘤分类).
- 将个体瘤行为分为不响应者,适度响应者,稳定响应者和回归响应者的类别.
- 使用已发表和模拟的瘤生长数据验证了该方法.
主要成果:
- INSPECT的准确性和灵敏度高于现有方法.
- 该方法有效地平衡了虚假负值和虚假正值的比率.
- 一个案例研究强调了INSPECT在药物开发和翻译方面的价值.
结论:
- INSPECT提供了一种强大且可翻译的方法,用于分析异质的体内瘤反应.
- 在临床前研究中,INSPECT方法改善了对抗癌药物疗效的评估.
- "INSPECTumours"套件提供了一个用户友好的网络界面,用于分析和报告.


